Weebit Nano 正式推出 Weebit Matrix 存内计算全球研究计划,面向全球高校、科研机构以及产业研发团队开放基于 ReRAM 阻变存储器的硬件开发套件,用来验证存内计算算法、搭建神经形态 AI 原型,这套方案直接瞄准传统冯诺依曼架构的数据搬运瓶颈,把计算放在存储阵列内部完成,特别适合边缘 AI、物联网设备的推理场景,参与的研究团队可以拿到真实硅片硬件做实测,同时把实验反馈回传给 Weebit Nano,一起完善这套存内计算生态,目前该计划还处在早期研究开放阶段,不是面向商用量产的产品。
一、Weebit Matrix 开发平台基础参数
| 项目 | 详情 |
|---|---|
| 核心器件 | 32×32 ReRAM 交叉阵列,1T1R 单元结构 |
| 封装形式 | 128 引脚 QFN 封装芯片 |
| 核心运算 | 向量矩阵乘累加 MAC、卷积运算,模拟存内计算 |
| 底层技术 | 氧化硅基 ReRAM(阻变存储器) |
| 供电与环境 | 常规 5.5V 供电,常温 25℃测试 |
| 计划定位 | 科研原型验证平台,不直接商用出货 |
二、为什么要推出 Weebit Matrix 存内计算研究计划
- 解决内存墙痛点:传统 AI 芯片需要反复在处理器和内存之间传输权重,数据搬运消耗大部分功耗,还带来延迟。
- ReRAM 天然适配模拟计算:ReRAM 单元的电导值可以直接代表神经网络权重,交叉阵列可以并行完成乘累加,适合 AI 推理。
- 拓展 Weebit Nano 业务边界:该公司原本主打嵌入式 ReRAM IP 授权,存内计算是同一条存储技术的新应用方向。
- 共建生态:依靠全球科研团队挖掘算法、编程方案,找到适配场景,降低后续商业化的研发风险。
- 额外优势:ReRAM 具备抗辐照特性,有机会适配航天、医疗、工业等特殊领域 AI 需求。
三、研究者可以在 Weebit Matrix 平台上做哪些研究
- 验证轻量化 AI 推理算法,测试功耗、延迟、精度指标
- 探索 ReRAM 阵列专属的编程、校准方案,降低模拟计算误差
- 开发脉冲神经网络、神经形态类脑计算架构
- 对比存内计算和传统数字加速器的性能差异
- 评估边缘端、低功耗 IoT 场景下的落地可行性
- 研究航天、高可靠场景下抗辐照 AI 算力方案
四、参与 Weebit Matrix 研究计划的流程
- 提交研究项目申请,说明研究方向、预期成果、所属机构。
- Weebit Nano 审核项目,确认匹配存内计算方向后发放开发套件。
- 拿到硬件、配套底层驱动与测试工具,开展阵列实验、算法验证。
- 向 Weebit Nano 反馈实验数据、bug、优化建议,可选择发表学术成果。
- 持续迭代,后续可参与下一代阵列版本的提前测试。
五、当前方案的短板与局限
- 阵列规模仅 32×32,算力规模很小,无法跑大模型,只适合小网络、算法验证。
- 模拟存内计算存在非理想效应,电导漂移、噪声会带来精度损失,需要算法补偿。
- 现阶段只有科研套件,没有成熟 SOC、完整软件栈,上手门槛高。
- 距离大规模商用芯片还有很长周期,工艺、良率、成本都需要持续打磨。
六、适合和不适合的场景清单
✅ 适合:高校 AI 硬件课题、神经形态算法研究、边缘低功耗推理原型、抗辐照 AI 探索
❌ 不适合:大模型推理训练、云端算力加速、直接量产落地产品、大规模商用部署
【相关 FAQ】
问题 1:Weebit Matrix 存内计算全球研究计划,硬件是基于什么存储技术?
回答 1:Weebit Matrix 存内计算全球研究计划配套的硬件平台,基于 Weebit Nano 自研的氧化硅 ReRAM 阻变存储器交叉阵列,用来实现模拟存内计算。
问题 2:Weebit Matrix 存内计算平台,能不能直接用来跑大模型?
回答 2:Weebit Matrix 存内计算平台只有 32×32 的 ReRAM 阵列,算力规模有限,无法跑大模型,主要用来验证小型 AI 算法、神经形态架构。
问题 3:参与 Weebit Matrix 存内计算全球研究计划,个人开发者可以申请吗?
回答 3:Weebit Matrix 存内计算全球研究计划优先面向高校、科研院所、企业研发团队,一般需要提交正式研究项目申请,个人独立项目需要审核。
问题 4:Weebit Matrix 存内计算和普通 ReRAM 存储 IP 有什么区别?
回答 4:普通 Weebit ReRAM IP 用来存数据、固件;Weebit Matrix 存内计算是利用 ReRAM 电导做模拟运算,在存储阵列内部直接完成 AI 乘累加计算,属于存算一体方案。
【参考资料】
[2026-11-16](Weebit Nano 启动 Weebit Matrix™存内计算全球研究计划)电子工程世界
[2026-11-10](Weebit Matrix:ReRAM 存内计算开放给全球研究者)SemiWiki
[2026-11-04](Weebit Nano launches Weebit Matrix In-Memory Compute Research Program)Weebit Nano 官网
[2026-11-04](Weebit Nano opens ReRAM silicon for in-memory AI research)Jon Peddie Research
[2026-11-04](Weebit Matrix 存内计算开发平台规格介绍)Unite.AI
【免责声明】
本文内容基于 Weebit Nano 官方新闻、开发平台资料以及行业媒体报道整理,Weebit Matrix 存内计算全球研究计划属于科研验证项目,不代表已经商用;存内计算效果受阵列噪声、校准算法影响,技术路线仍存在不确定性,本文不构成芯片采购、技术投入的投资建议。
本文来自作者[超链溯源]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/bdt/202611/2044.html
评论列表(4条)
我是环球科技潮的签约作者“超链溯源”!
希望本篇文章《Weebit Matrix 存内计算全球研究计划启动基于 ReRAM 探索 AI 新架构》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:Weebit Nano 正式推出 Weebit Matrix 存内计算全球研究计划,面向全球高校、科研机构以及产业研发团队开放基于 ReRAM 阻变存储器的硬件开发套件,用来验证存内计算算法、搭建神经形态 AI 原型,这套方案直接瞄准传统冯诺依曼架构的数据搬运瓶颈,把计算放在存储阵列内部完成,特别适合边缘 AI、物联网设备的推理场景,参与的研究团队可以拿到真实硅片硬件做实测,同时把实验反馈回传给 Weebit Nano,一起完善这套存内计算生态,目前该计划还处在早期研究开放阶段,不是面向商用量产的产品。